人脸识别技术是指利用计算机分析人脸图像，提取有效的人脸描述特征进行身份鉴别的一项技术。人脸识别技术因其巨大的应用前景成为当前模式识别和人工智能领域的一个研究热点。在人脸识别技术中，如何提取和选择有效的人脸描述特征是研究的关键内容。传统的基于局部二值模式（LBP，Local Binary Pattern）的人脸识别算法主要是通过比较像素点之间的灰度值进行特征提取，这使得LBP算子对人脸图像中的各种有害变化（如：光照、噪声等）极其敏感。同时，这一局限也导致LBP算子无法完整的提取一些重要的人脸局部区域的特征信息，如眼睛、鼻子、嘴巴的特征信息。最近几年的改进算法多以改变像素点灰度值的比较方式，以寻求较高效的特征描述，往往忽略了人脸区域之间的特征信息。本文提出了基于多级区域局部二值模式（MB-LBP，Multi-Block Local BinaryPattern）的人脸识别方法。在该方法中，特征的计算不再是基于孤立的像素点，而是将人脸图像划分为若干个“子块区域”，通过阈值化各“子块区域”的灰度平均值进行特征提取。这一改进有效地利用了像素点之间的相关性，提高了算法对随机噪声的抵抗力。此外，选取不同大小的“子块区域”，可以捕获不同尺度的人脸区域特征信息，大大丰富了人脸的特征描述信息。半色调是一种反应图像亮度层次、黑白对比变化的一项技术指标，它能够通过网点的疏密保留原始图像的大部分局部纹理信息。本文在人脸半色调图像上，进行MB-LBP特征提取，一方面更加突出了“子块区域”的特征信息，另一方面进一步削弱了随机噪声对特征提取的影响。本文在matlab2007b软件上实现相关算法，在ORL人脸数据库及FERET人脸数据上进行了相关实验，获得了较好的识别率。